Video

Не понял про софтмакс - если функция активации находится в нейроне - как получается результат сразу со всеэ нейронов?

Не математик, первый раз слышу, но поняла, что именно так строятся биржевые графики за день, неделю и тд, и другие компьютерные индикаторы, спасибо

код пайтон выглядит так: def mse(y_true, y_pred): return (y_true - y_pred) ** 2

Hello let's trade

Очень круто и коротко и понятно, спасибо!!!!

Огонь, пойду закрывать пробелы в логарифиах😂

Спасибо вам! Просто и понятно.

Спасибо!

Было бы круто, если бы раскрыли еще тему экстраполяции для распределений. Очень интересна тема распределения Вейбула или Пирсона, как наиболее часто встречаемая в наблюдениях с временными данными. Спасибо

У вас так хорошо получается объяснять, не забрасывайте, пожалуйста

Случайно кликнул и прослушал целую длинную лекцию по XAI (Объяснимому ИИ). Очень советую! Получил массу практических идей для решения текущих прикладных задач.

Идеально! Плотность информации в единицу времени, подача, речь. Лектор топчик! Говорю как выпускник матшколы и МГУ, заставший еще академика Ильина В.А. в качестве лектора и экзаменатора ))

-Бог есть? - 50%

Благодарю вас!

Этапы ETL: 1:17 1. Получение данных 1:34 2. Очистка данных/заполнение пропусков 3:52 3. Объединение даных

0:24 первичный анализ данных

спасибо

4:43 5:38

2:49 ! 3:10 3:20 4:24 5:05 !

Причины недообучения (ошибок) 2:03: 0:32 0:44 0:55 1:08 3:10 Переобучение 6:36 Ансамбли моделей 9:40

2:34

3:20

1:00 1:40 2:05 3 основных аспекта подготовки данных 2:09 1. Нормирование данных 3:14 4:09 при наличии отрицательных чисел диапазон получается [-1; 1] и почему не использовали более простую формулу нормирования - x/max (тоже ведь все значения будут в пределах данного диапазона)? 4:37 z-нормализация 5:24 зачем нужно 6:23 2. Категориальные данные 6:30 Приведение к единичным векторам 8:28 8:42 3. Циклические параметры 9:27 Тригонометрические функции 11:38 12:35

2:01 типы распределений 3:30 3:50 4:38

2:10 типы данных

0:53 арифмет. прогрессия/геометр. прогрессия

Когда новый видео???

Здорово, понял на буквах объяснение, но на цифрах всегда полезно посмотреть

Спасибо

Классный урок

Can you speak English?

Спасибо большое, очень полезно и интересно

а как веса нейросети обновлять? надо обновлять случайно, если результат хороший, то повторяем действие остальные также с небольшими изменениями, так?

опа

Спасибо!

Про OPTICS мало информации в интернете. Спасибо, что делитесь.

по этой теме даже на английском мало материала, респект за понятное объяснение

Спасибо за понятное объяснение материала!!))

Надо учитывать, что этот метод подходит только для шаровых кластеров, для ленточных кластеров данный метод даст неверный результат.

Понятные объяснения, спасибо, с Новым Годом.

спасибо большое!

Здравствуйте, подскажите как можно зная точки аппроксимировать их в y=a/x+bx функцию??

Очень понятно объясняет!

Хорошее объяснение. За старание коммент и лайк. Продолжайте в том же духе!

Хорошо объяснил, понятно что и зачем. Благодарю.

Вы очень понятно объясняете. Спасибо!

а где можно посмотреть про энтропию от вас, не нахожу?

Я третий

Большое спасибо за выпуск. Интересно и очень доступно 👍

Как же айтипедия похорошел